Resultados da Pesquisa em Saúde aula1

Prévia do material em texto

Resultados da Pesquisa em Saúde
Profª. Juliana Leal
Descrição
A construção e a redação da seção dos resultados de um TCC na área de saúde.
Propósito
Compreender que a escrita é o meio pelo qual os profissionais da área de Saúde comunicam sua pesquisa e
seus estudos à sociedade e aos demais colegas de profissão.
Objetivos
Módulo 1
A seção “Resultados”
Reconhecer a estrutura geral da seção Resultados.
Módulo 2
Como usar ilustrações
Empregar corretamente o uso de ilustrações.
Um trabalho de conclusão de curso (TCC) na área da Saúde pode abranger uma variedade de áreas
de pesquisa, desde a botânica à imunologia. Cada área tem as suas peculiaridades de conteúdo e
metodologia, mas, apesar das diferenças, a escrita do TCC segue normas gerais, sobre como cada
uma das seções do texto deve ser redigida e apresentada. Neste conteúdo, abordaremos
especificamente a seção Resultados.
As seções do TCC se dedicam a conter a informação necessária para que uma pergunta específica
seja respondida. As seções Introdução e Materiais e Métodos se dedicam a responder,
respectivamente, às perguntas: Por que você fez? Como você fez? Já a seção Resultados deve
responder: O que você encontrou?
Nos próximos módulos, apresentaremos as informações necessárias para que você redija a seção
Resultados do seu TCC com qualidade e ainda comunique, visualmente, os seus resultados de
maneira adequada.
Introdução
1 - A seção “Resultados”
Ao final deste módulo, você será capaz de reconhecer a estrutura geral da seção
Resultados.
Recomendações gerais para a escrita científica
A escrita científica requer algumas recomendações que devem ser aplicadas em todas as seções do seu
TCC, independentemente da “pergunta” a que seção se dedica a responder.
Seja objetivo
A principal recomendação é que a escrita deve ser concisa e objetiva. Em outras palavras, vá
direto ao assunto!
Atenha-se aos fatos
Outra recomendação muito importante é ter em mente que um texto científico não é aquele
onde você expressa a sua opinião. Na escrita científica, é preciso se ater aos fatos, aos dados
do seu trabalho.
Não esqueça as referências
Toda afirmação deve ser referenciada, ou seja, devem ser dados os devidos créditos aos
autores que desenvolveram as teorias, os métodos e estudos de caso utilizados durante o
desenvolvimento e a escrita do seu trabalho.
Especificamente na seção Resultados, não há citação de referências, pois esse espaço é
reservado à descrição dos seus novos achados. Já nas demais seções — Introdução,
Materiais e Métodos, Discussão e Conclusão — sempre são necessárias as citações.
Cada parágrafo é uma ideia
O ideal é que você dedique cada parágrafo do seu texto a um tema ou a um tipo de resultado.
Caso seja uma informação muito curta, cujo texto se restringe, por exemplo, a uma única
linha, tente incorporá-la em outro parágrafo, evitando parágrafos compostos por apenas uma
frase.
Resultados: o que você encontrou?
Na seção Resultados, são descritas as descobertas do seu trabalho com base na metodologia aplicada.
Nessa seção, são apresentados os dados obtidos a partir de experimentos em laboratório ou coletas em
campo.
Mas e se você optou por conduzir uma revisão bibliográfica para o seu TCC em vez de
experimentos ou coletas?
Nesse caso, a seção Resultados não é apresentada no seu trabalho, com algumas exceções. Existem
revisões bibliográficas que se propõem a verificar tendências na literatura, por exemplo, verificar como o uso
de determinada metodologia expandiu ao longo dos anos (cienciometria) ou sumarizar, estatisticamente, os
resultados de outros estudos já publicados (meta-análise). Nesses casos, é necessária uma seção de
resultados no trabalho.
Estrutura geral dos Resultados
As suas descobertas devem estar organizadas em uma sequência lógica, determinada pela forma como a
metodologia foi apresentada. A seção Materiais e Métodos, onde se insere a metodologia, deve ser
estruturada como uma receita de bolo — afinal, um experimento ou uma coleta em campo também possui
uma ordem de execução. Os resultados devem ser relatados na mesma ordem sequencial em que a
metodologia foi apresentada nos Materiais e Métodos.
Resultados ou Resultados e Discussão
No TCC, existem duas maneiras de apresentar e organizar os resultados. Na primeira, você apresenta os
seus achados na seção Resultados e, depois, os discute e interpreta na seção Discussão. Essa forma de
estruturar o seu trabalho pode ajudar o leitor a entender melhor o resultado — o que pode ser especialmente
importante em trabalhos extensos ou muito complexos. Já na segunda maneira, a apresentação dos seus
resultados deve ser seguida de uma breve explicação. Assim, a seção se chamará Resultados e Discussão.
A escrita da seção Resultados
A seção Resultados precisa contar com um conteúdo textual, mas, frequentemente, o uso de imagens
contribui bastante para a visualização dos achados. O passado deve ser a referência temporal do texto,
além disso não é necessária a citação de outros trabalhos, a menos que o seu TCC seja uma revisão
bibliográfica.
O uso de citações para expor o resultado de seus experimentos e de suas coletas de campo não é preciso
uma vez que foi você quem gerou esses dados, ou seja, você é o autor da pesquisa.
Figuras, gráficos, tabelas e quadros são formas auxiliares para melhor apresentar o que você encontrou e
devem ser “chamadas”, citadas, no texto.
Exemplo
“As armadilhas de interceptação e queda com uso de cerca guia foram instaladas em uma área de Cerrado e
em uma mata de galeria da área de estudo, situada na área rural denominada Serra (21° 00’ 02.42” S e 44°
18’ 16.09” O), localizada no município de Ritápolis, na Serra da Bandeira (Figura 2)” (SOUSA et al., 2010, p.
130-131 – grifo nosso).
“Na avaliação do desenvolvimento neuropsicomotor através da escala de DENVER II, foi possível observar
atrasos importantes nos quatro campos avaliados, como pode ser observado na tabela 1” (FLOR;
GUERREIRO; DOS ANJOS, 2017, p. 315 – grifo nosso).
Para escrever, é preciso entender os seus dados
Uma vez entendido como você deve conduzir a escrita da seção Resultados do seu TCC, o próximo passo é
compreender o que é preciso para a elaboração dos resultados propriamente ditos. Todo experimento,
coleta de campo ou até mesmo revisão bibliográfica geram dados relativos às variáveis que um pesquisador
se propõe a avaliar. Entender o que são dados e variáveis é fundamental no dia a dia de um profissional da
área de saúde, principalmente aqueles que atuam como pesquisadores.
De maneira geral, os dados são medidas, quantidades ou eventos que podem ser caracterizados com
números ou códigos, por exemplo uma letra. Já as variáveis são os nomes dados aos parâmetros que
podem possuir diversos valores ou categorias (isto é, variam) e são capazes de descrever o seu objeto ou
fenômeno de pesquisa.
Vamos demonstrar esses conceitos usando como exemplo o estudo realizado por Zanusso Junior et al.
(2011). Nele, avaliou-se a atividade anti-inflamatória de substâncias encontradas no coentro.
Os pesquisadores realizaram um experimento com camundongos que apresentavam inflamações e
edemas. Para verificar se determinada substância do coentro tinha algum efeito anti-inflamatório nas
lesões dos camundongos, os pesquisadores decidiram medir o número de leucócitos (células
sanguíneas que protegem o corpo contra inflamações) antes e depois de os animais serem tratados
com um extrato de coentro.
Nesse exemplo, podemos afirmar que “número de leucócitos” foi uma das variáveis medidas pelos
pesquisadores em questão, e os dados seriam todos os valores do número de leucócitos
encontrados para cada um dos camundongos.
Experimento com camundongos 
Tipos de variáveis
As variáveis podem ser classificadas de acordo com as medidas que as compõem e o modo como são
estudadas. O conhecimento sobre a natureza das variáveis presentes no seu estudo é muito importante
para que você seja capaz de ter uma ideia básica sobre aanálise de dados e de escolher a forma correta de
mostrar os seus dados em tabelas e gráficos.
Variáveis categórica e numérica
Uma variável categórica é aquela cujas observações são classificações nominais, de modo que não se pode
quantificar a diferença entre elas. Sendo assim, os dados coletados para uma variável categórica são
qualitativos. Como exemplos de variáveis categóricas, podemos citar: o tipo sanguíneo (A+, A- etc.), o
desenvolvimento de um inseto holometábolo (larva, pupa, imago e adulto), o clima de uma região tropical
(seco e chuvoso) e o sexo de um indivíduo (masculino, feminino).
O desenvolvimento de uma borboleta é um exemplo de variável categórica.
A densidade de hemácias no sangue é um exemplo de variável numérica.
Já as variáveis numéricas têm valores que lhes conferem uma quantidade mensurável, permitindo que a
diferença entre as observações seja mensurada. Em outras palavras, as variáveis numéricas são aquelas em
que é possível determinar o quanto delas há. Os dados coletados para uma variável numérica são
quantitativos. Como exemplos de variáveis numéricas, podemos citar: a densidade de células em uma
lâmina histológica, a abundância de indivíduos em uma população, o peso de um indivíduo e a atividade de
uma enzima.
Variáveis contínua e discreta
As variáveis numéricas podem ser divididas em contínuas ou discretas.
O volume de reagente adicionado para uma reação química é um exemplo de variável contínua.
As variáveis contínuas são aquelas que admitem valores fracionários, ou seja, valores não inteiros. O valor
dado a uma observação para uma variável contínua pode incluir valores tão pequenos quanto a medição
possa permitir. São exemplos de variáveis contínuas: concentração de oxigênio na água de uma lagoa,
volume de reagente adicionado para uma reação química e idade de um fóssil.
As variáveis discretas só podem assumir valores inteiros. Dentre os exemplos de variáveis discretas,
podemos citar: o número de filhotes em uma ninhada, a riqueza de espécies de determinado local e o
número de gametas produzidos por um indivíduo.
O número de filhotes em uma ninhada é um exemplo de variável discreta.
Variáveis resposta e preditora
Variável resposta
Também chamada variável dependente, é aquela cujos valores ou cujas variações nas suas observações
dependem da influência de outros fatores medidos pelo pesquisador. Esses fatores capazes de influenciar
determinada variável resposta são as variáveis preditoras, ou independentes.
Variável preditora
É aquela que explica a variável resposta, ou seja, existe entre ambas uma relação de causalidade. No caso
de uma variável preditora categórica ou discreta, existem ainda as categorias, também chamadas de
tratamentos, em que a variável preditora se apresenta.
A seguir, abordaremos alguns exemplos para que você consolide estes conceitos.
O acompanhamento da fertilidade dos pandas em cativeiro é importante para a manutenção da espécie.
Suponha que um grupo de veterinários pretenda comparar a eficácia de dois tratamentos de fertilidade a fim
de aumentar o sucesso reprodutivo de pandas mantidos em cativeiro. Para fazer essa comparação, os
veterinários optaram por utilizar a fertilização in vitro e o uso de medicamentos para fertilidade nos pandas
machos.
Para avaliar as chances de sucesso reprodutivo, os pesquisadores verificaram o número de fecundações
bem-sucedidas após a utilização dessas duas formas de tratamento.
O que você consideraria como variáveis preditora e resposta nesse caso?
Primeiramente, os veterinários consideraram que os dois tratamentos de fertilidade são aqueles que
podem influenciar o sucesso reprodutivo dos pandas. Sendo assim, o tipo de tratamento de
fertilidade é a variável preditora. Como o tipo de tratamento de fertilidade é uma variável categórica,
os seus níveis são fertilização in vitro e o uso de medicamentos para fertilidade.
Em paralelo, o sucesso reprodutivo, objeto de interesse do estudo e dependente dos tratamentos de
fertilidade, é avaliado por meio do número de fecundações bem-sucedidas quando se utiliza cada um
dos tratamentos. Portanto, o número de fecundações bem-sucedidas é a variável resposta.
Planilha com os dados
Para o seu TCC, caso você tenha optado por conduzir um experimento ou uma coleta de campo, certamente
mediu uma série de variáveis. Para que você possa realizar uma análise estatística posteriormente, o
Resposta 
primeiro passo a se tomar é organizar os dados que gerou em uma planilha do Excel. Uma planilha é uma
tabela composta por linhas e colunas utilizada para organizar informações.
Planilha do Excel ainda sem dados. As colunas são representadas pelas letras, na vertical; e as linhas, por números, na horizontal.
Usualmente, você deve organizar a sua planilha de modo que a primeira linha da primeira coluna, isto é, a
célula A1 da planilha, receba o nome da sua unidade amostral ou experimental. Nas linhas abaixo, isto é, da
célula A2 da planilha em diante, deverá haver a identificação de cada uma das unidades.
Uma unidade amostral, ou experimental, é a menor unidade física de interesse em uma coleta de campo ou
experimento, respectivamente.
Exemplo
Na área de saúde, uma unidade amostral ou experimental costuma ser um indivíduo (pessoa, árvore etc.) ou
um ambiente (um parque, um lago, cultivo de microrganismos etc.).
As próximas colunas podem ser utilizadas para adicionar variáveis relevantes para a caracterização da sua
unidade amostral ou experimental. Por exemplo, se a coleta de campo foi realizada na estação seca ou
chuvosa ou se os indivíduos utilizados em um experimento faziam parte do grupo de um tratamento ou do
grupo controle.
O nome de cada variável deve estar na primeira linha de cada coluna, ou seja, no cabeçalho da planilha.
Logo abaixo, você deve adicionar os valores que mediu para cada uma das variáveis, cada valor em uma
célula.
Células são pequenos retângulos visualizados no cruzamento de uma linha com uma coluna.
Print de tela do Microsoft Excel com exemplo de planilha contendo a disposição das informações.
Para facilitar o seu entendimento, vamos retomar o exemplo do experimento com os camundongos.
Zanusso Junior e colaboradores (2011) estavam interessados em entender como o sistema imunológico
dos camundongos responderia ao tratamento com o extrato de coentro. Sendo assim, a menor unidade
física do interesse deles é o indivíduo. Como o estudo foi feito através da realização de um experimento, o
camundongo é a unidade experimental. Todas as unidades amostrais ou experimentais devem receber uma
identificação e, com certeza, os camundongos utilizados possuíam algum nome ou código que os
identificasse.
As primeiras linhas da primeira coluna da planilha utilizada por esses pesquisadores seria algo como
nesta imagem.
Seguindo com o exemplo, as próximas três colunas podem ser utilizadas para caracterizar os
camundongos com variáveis que os pesquisadores julgassem interessantes, isto é, que pudessem afetar
de algum modo o resultado do experimento.
Em seguida, poderíamos adicionar variáveis medidas no experimento, como a contagem de leucócitos:
Cuidados ao planilhar os dados
Por mais que o preenchimento da planilha com os dados gerados seja uma tarefa simples para quem já
domina o Excel, existem alguns cuidados a serem tomados a fim de se evitar problemas futuros, tais como:
Crie uma outra planilha ou mesmo um documento de texto que mostre o significado de cada
sigla ou código que você utilizou (por exemplo, Inf = inflamação), bem como as unidades de
medidas de cada variável (por exemplo, peso em gramas).
As siglas e os códigos utilizados para a caracterização das variáveis categóricas devem
sempre conter letras. Por exemplo, use T200mg para representar o grupo dos camundongos,
e nunca 200. Caso contrário, elas podem ser confundidas como variáveis numéricas em
alguns programas de análise de dados.
Evite acentos, "ç'', pontuações e espaços na sua planilha de dados (conforme demonstradonos exemplos acima), porque alguns programas de análise de dados são baseados na língua
inglesa e não reconhecem esses caracteres e os espaçamentos. Caso queira adicionar um
espaço entre palavras, prefira o símbolo _ (underline). Escreva normalmente somente nas
tabelas não destinadas à análise de dados (como as que são inseridas ao longo do texto dos
seus Resultados) e nos gráficos.
Análise de dados
O ato de planilhar os dados de seu estudo é importante não só para que você os tenha organizados e salvos,
mas também para conduzir a análise estatística do seu trabalho. A análise de dados se utiliza do raciocínio
estatístico, lógico, para obter informações dos dados. Aqui, iremos apresentar conceitos básicos sobre o
tema para que você compreenda minimamente o assunto. Não fique apreensivo, o domínio da análise de
dados virá com o tempo.
Estatística descritiva dos resultados
A estatística descritiva é aquela que atua na descrição e apresentação dos dados. Na área da Saúde, a
estatística descritiva é essencialmente numérica ou gráfica.
Ilustração simplificada de distribuição normal ou gaussiana de um conjunto de dados.
Estatística descritiva numérica
Quando os seus dados apresentarem uma distribuição normal ou gaussiana, os parâmetros da estatística
descritiva numérica que devem ser utilizados, para uma variável, são, principalmente, a média e o desvio-
padrão. Por outro lado, quando os dados não apresentam uma distribuição normal ou gaussiana, esses
parâmetros são, principalmente, a mediana, os percentis ou o intervalo interquartil.
Para saber se os seus dados possuem, ou não, uma distribuição normal — e, consequentemente, saber
quais parâmetros descritores utilizar — você pode conduzir um teste de normalidade no Excel ou em outro
programa estatístico. Visualmente, você pode ter uma ideia da distribuição dos seus dados ao fazer um
gráfico do tipo histograma com os valores da sua variável resposta. Se o gráfico for em forma de sino e
Se você ainda não tem familiaridade com o uso do Excel, procure no Youtube por tutoriais
básicos de como utilizá-lo antes de se aventurar. O Excel possui uma série de “truques” que
podem agilizar o seu trabalho e, por isso, vale a pena conhecê-los primeiro.
simétrico em relação à média, geralmente você pode assumir a normalidade. O teste de normalidade só é
aplicável a variáveis respostas numéricas.
Exemplo de como deve ser a representação gráfica de uma distribuição normal.
E quando queremos descrever a relação entre duas variáveis, se elas estão ou não
relacionadas?
Nesse caso, podemos utilizar o coeficiente de correlação, uma medida da associação entres duas variáveis,
cujo valor pode variar de -1 (relação negativa forte) a 1 (relação positiva forte). Se o coeficiente de
correlação mostrar valores próximos a 0, significa que não há correlação entre as variáveis, ou seja, não
estão relacionadas.
Demonstração gráfica da correlação entre duas variáveis hipotéticas, destacando-se o valor do coeficiente de correlação (r).
Estatística descritiva gráfica
A estatística descritiva gráfica é uma maneira visual de descrever os dados, podendo ocorrer por meio de
gráficos ou diagramas. Geralmente, os gráficos possuem um eixo horizontal e outro vertical, e cada um
deles deve receber um título. O título dos eixos deve ser o nome das variáveis envolvidas na análise,
mostrando ainda a unidade de medida de cada uma delas entre parênteses, como podemos ver ao lado.
Exemplo de gráfico com as devidas unidades de medida mostradas nos títulos dos eixos.
No texto do seu TCC, você deve acrescentar uma legenda ao gráfico, onde explicará tudo que é necessário
ao leitor para compreendê-lo. Por isso, o título do gráfico não é uma informação obrigatória. No entanto,
caso você apresente o seu trabalho com o auxílio de slides ou banner, por exemplo, onde a legenda não
estiver presente, o título do gráfico se torna uma informação imprescindível. No próximo módulo,
abordaremos mais detalhes sobre como os gráficos do seu TCC devem ser feitos.
Estatística inferencial
A estatística inferencial ajuda a sugerir explicações para uma situação ou fenômeno. Enquanto a estatística
descritiva resume os dados medidos, a inferencial se baseia em extrapolações a partir de amostras geradas
para que você chegue às suas conclusões.
Inferencial deriva do verbo inferir, que significa concluir ou julgar a partir de evidências — e não provar.
Frequentemente, a estatística inferencial envolve a realização de estimativas e teste de hipótese. No teste
de hipóteses, encontram-se evidências a favor ou contra uma explicação, no caso a hipótese do seu
trabalho.
Comentário
Existem muitos tipos de análises estatísticas inferenciais, e cada uma é apropriada para um projeto de
pesquisa, considerando as peculiaridades dos experimentos ou da amostragem feita em campo. A
determinação da melhor análise estatística para o seu TCC deve ser feita com o seu orientador.
Para a determinação do melhor método de análise estatística é necessário, porém, que você entenda,
minimamente, algumas das análises estatísticas inferenciais mais simples e comumente utilizadas nos
estudos da área de saúde.
Principais análises estatísticas
Antes de realizar uma análise estatística inferencial, é importante entender qual o tipo dos seus dados.
Como já falamos, na estatística descritiva, a distribuição dos dados é um fator extremamente importante a
ser observado, assim como na estatística inferencial.
As análises estatísticas que aprenderemos a seguir são chamadas de testes paramétricos porque
pressupõem que os dados analisados possuem distribuição normal. Caso os seus dados não possuam uma
distribuição normal, você pode transformá-los (por exemplo, tirar a raiz quadrada dos valores ou logaritmizá-
los) para corrigir a distribuição não normal ou optar por utilizar um teste não paramétrico. Os testes não
paramétricos não pressupõem a distribuição normal dos dados. Geralmente, cada um dos testes
paramétricos que veremos tem uma “versão não paramétrica”.
Medição da raiz de uma muda
Vale destacar que, quando nos referimos à normalidade dos dados, estamos falando sobre a distribuição
dos dados de variável resposta numérica. Por exemplo, se o trabalho científico para o seu TCC foi
acompanhar o crescimento radicular de mudas de plantas cultivadas sob diferentes níveis de adição de
nutrientes no solo, você deve verificar a normalidade dos dados referentes às medições da raiz dessas
mudas.
Os valores gerados pela medição da raiz de uma planta podem ser a variável resposta de um experimento e,
consequentemente, a normalidade desses dados deve ser verificada antes de conduzir uma análise
estatística.
Comparação entre grupos
Abaixo apresentamos dois tipos de análises cuja função é estabelecer a comparação entre grupos:
Teste-t
Essa análise é adequada para verificar se há diferenças significativas entre dois grupos. Por exemplo, se
existe diferença na resposta imunológica de um grupo de pacientes antes e depois da aplicação da vacina
(os dois grupos comparados seriam “antes” e “depois”); ou se há divergência na taxa de decomposição de
folhas de duas espécies de plantas (os dois grupos comparados seriam “espécie de planta A” e “espécie de
planta B”). Cada um dos grupos representa diferentes níveis da variável preditora, e os dados comparados
são da variável resposta.
ANOVA
O objetivo dessa análise é verificar se há diferenças significativas entre três ou mais grupos. Os exemplos
da ANOVA podem ser aqueles do Teste-t, aumentando-se somente o número de grupos comparados. Por
exemplo, verificar se há diferença na taxa de decomposição de folhas de três espécies de plantas (os
grupos comparados seriam “espécie de planta A”, “espécie de planta B” e “espécie de planta C”). Cada um
dos grupos representa diferentes níveis da variável preditora, e os dados comparados são da variável
resposta.
Associação entre variáveis
Na análise estatística, muitas vezes é importante se fazer uso daassociação entre variáveis para que se
obtenha melhores resultados. Abaixo, apresentamos dois métodos de associação entre variáveis:
Correlação
Essa análise é utilizada para responder à seguinte questão: Existe uma associação entre os dados dessas
duas variáveis emparelhadas? Sendo assim, não há distinção entre as duas variáveis, ou seja, não existe
uma variável preditora e uma variável resposta. A análise de correlação pode ser utilizada para verificar, por
exemplo, se existe uma associação entre o tamanho corporal de um peixe e a sua idade ou uma relação
entre a densidade de adipócitos no corpo da pessoa e o seu colesterol.
Você sabe o que são correlações espúrias?
Neste vídeo, a especialista falará sobre o que são as correlações espúrias e como você deve evitá-las em
seu TCC. Vamos lá!

Regressão
A análise de regressão não apenas faz associações, como também as utiliza para prever resultados. Nessa
análise, há sempre uma variável preditora ou independente e uma variável resposta ou dependente. A
análise de regressão pode ser utilizada, por exemplo, para avaliar o tamanho da prole gerada por fêmeas
marsupiais com idade de 4 anos, tendo dados do tamanho da prole gerada por animais com idades entre 2 e
7 anos.
Interpretação dos resultados gerados
Os resultados das análises estatísticas podem gerar uma série de valores, como valores t, valores F,
coeficientes de correlação e valores de p. Sem um entendimento básico de qual deles deve ser considerado
para entender a mensagem principal da sua análise de dados, certamente, você ficará desmotivado e se
sentirá perdido em relação aos próximos passos a serem tomados.
Um entendimento básico sobre análise de dados facilita a interpretação dos resultados mostrados e,
consequentemente, do processo de escrita do TCC. Com as explicações a seguir, você será capaz de fazer
uma interpretação básica dos seus resultados.
A pergunta básica a ser respondida para ter noção dos resultados da análise de dados é a seguinte: Existe
ou não significância estatística? Essa questão pode ser respondida olhando para um único valor: o valor de
p. Quando realizamos, por exemplo, um teste estatístico para comparar grupos, usamos um teste estatístico
de hipóteses. Os testes de hipóteses são usados para avaliar a validade de uma afirmação feita sobre um
conjunto de unidades a respeito do qual desejamos obter informação. O nome dado a essa afirmação
testada é hipótese nula.
Saiba mais
No teste de hipóteses, existem a hipótese nula, que considera não haver diferença significativa entre os
grupos, e a hipótese alternativa, que considera haver diferença significativa entre os grupos.
Quando você executa um teste de hipótese em estatísticas, o valor p ajuda a determinar a significância de
seus resultados. O valor p é utilizado para “pesar” a força da evidência a favor ou contra a hipótese nula, de
que não há diferença entre os grupos.
Os valores de p podem variar entre 0 e 1, sendo interpretados da seguinte maneira:

Um valor de p baixo (normalmente < 0,05) indica forte evidência contra a hipótese nula.
Consequentemente, você rejeita a hipótese nula e aceita a hipótese alternativa.

Um valor p alto (> 0,05) indica uma evidência fraca contra a hipótese nula, então você falha em rejeitar
a hipótese nula e, consequentemente, não pode aceitar a hipótese alternativa.
Um valor de p de 0,05 é geralmente considerado a probabilidade de “corte”, um limiar. Os valores de p
menores que 0,05 fornecem boas evidências contra a hipótese nula, enquanto os valores maiores, não. Na
prática, um valor de p de 0,5 sugere que há uma chance de 50% de que os seus dados suportem a hipótese
nula. Já um valor de p de 0,05 sugere que a probabilidade de os seus dados suportarem a hipótese nula é de
apenas 5%. Por isso, os valores de p menores que 0,05 sugerem que a hipótese nula está incorreta.
Vem que eu te explico!
Os vídeos a seguir abordam os assuntos mais relevantes do conteúdo que você acabou de estudar.
Módulo 1 - Vem que eu te explico!
Recomendações gerais para a escrita cientí�ca


Módulo 1 - Vem que eu te explico!
Para escrever, é preciso entender os seus dados
Módulo 1 - Vem que eu te explico!
Interpretação dos resultados gerados
Todos
Módulo 1 - Video
Você sabe o que são correlações espúrias?
Módulo 2 - Video
Al di b il õ TCC
Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
 Todos Módulo 1 Módulo 2 
Questão 1
Sobre o texto apresentado na seção Resultados de um TCC, podemos afirmar, de maneira geral, que:
A verbos não devem ser utilizados e são necessárias referências bibliográficas.
B
os verbos devem ser escritos no presente e não são necessárias referências
bibliográficas.
C os verbos devem ser escritos no futuro e são necessárias referências bibliográficas.
D
os verbos devem ser escritos preferencialmente no presente e são necessárias
referências bibliográficas.
E
os verbos preferencialmente são escritos no passado e não são necessárias referências
bibliográficas, a menos que seja uma revisão bibliográfica.
Parabéns! A alternativa E está correta.
Assim como na seção Materiais e Métodos, todos os verbos utilizados no texto da seção
Resultados devem estar escritos no passado. Além disso, não é necessária a citação de outros
trabalhos, a menos que o TCC seja uma revisão bibliográfica. Não é necessário usar citações ao
longo do texto dos resultados de experimentos e coletas de campo, uma vez que você foi você
mesmo quem gerou os dados, ou seja, você é o autor da pesquisa.
Questão 2
Um pesquisador hipotetiza que a origem dos grãos usados para fazer o café afeta o grau de hiperatividade
da pessoa que o ingere. Para testar a sua hipótese, ele vai conduzir um experimento para verificar se os
grãos de café originários da África, América do Sul e do México afetam, de maneiras diferentes, a
hiperatividade de seu consumidor. Com base no exemplo anterior, assinale a alternativa correta
correspondente à variável preditora e aos seus respectivos níveis.
A Grau de hiperatividade / Pessoa.
B Origem do grão de café / África, América do Sul e México.
C Grau de hiperatividade / África, América do Sul e México.
D Origem do grão de café / Pessoa.
2 - Como usar ilustrações
Ao final deste módulo, você será capaz de empregar corretamente o uso de
ilustrações.
E Grau de ingestão / Pessoa.
Parabéns! A alternativa B está correta.
A variável preditora é aquela que explica a variável resposta, ou seja, possui uma relação de
causalidade com a variável resposta. Em outras palavras, a variável preditora é aquela que afeta
ou influencia o comportamento da variável resposta. No exemplo acima, a hipótese do
pesquisador é de que “a origem do grão de café afeta o grau de hiperatividade da pessoa que o
ingere”. Portanto, a “origem do grão de café” é a variável preditora. A “origem do grão de café” se
apresenta nos níveis “África, América do Sul e México”.

O papel das ilustrações no seu TCC
As principais ilustrações utilizadas em um TCC da área de saúde são tabelas, quadros, gráficos, fotos ou
esquemas. O propósito dessas ilustrações é mostrar, de maneira direta, o que está sendo comunicado no
texto. Os recursos visuais também são um modo de facilitar a leitura e interpretação do leitor. Já imaginou
como seria a leitura se somente abordássemos os valores numéricos no texto? Seria extremamente
confuso e monótono, não acha?
Na seção Resultados do TCC, quaisquer ilustrações são permitidas, desde que sejam coerentes com a
informação descrita no texto, inclusive com a análise de dados. Além disso, é importante que você não
utilize os recursos visuais somente como forma de repetir o que está escrito.
Por exemplo, ao conduzir um estudo sobre a composição de espécies da comunidade de vertebrados de um
fragmento florestal, você destaca no texto que a composição da comunidade encontrada foi de 44% de
anfíbios, 31% de mamíferos, 19% de répteis e 6% de aves. Nesse caso, não é necessária uma ilustraçãocom
a mesma informação.
As ilustrações não devem mostrar exatamente as mesmas informações já descritas no texto.
Abordaremos aqui a confecção das ilustrações conforme as normas da Associação Brasileira de Normas
Técnicas (ABNT), as quais serão adotadas na formatação de seu TCC. Posteriormente, caso você e seu
orientador decidam publicar seu trabalho em uma revista científica, será necessário verificar, no website da
revista, quais são as suas regras de formatação.
Tabelas
As tabelas são representações de informações, principalmente, cedidas por dados numéricos. No entanto,
esses dados numéricos não devem ser brutos, ou seja, do modo em que se encontram em sua planilha, e
sim, devem ser informações resumidas. Ao invés de mostrar os dados brutos, você pode mostrar na tabela,
por exemplo, os seus valores de média e o desvio padrão.
Tamanho Comprimento Largura Espessura
Tamanho Comprimento Largura Espessura
Pequena 16,49 ± 0,74 12,11 ± 0,96 9,79 ± 0,67
Média 18,33 ± 0,36 13,25 ± 0,70 10,41 ± 0,40
Grande 19,52 ± 0,50 13,87 ± 0,87 10,68 ± 0,56
Tabela - Dimensões médias e o desvio padrão (após os sinais de ±) de sementes com diferentes classes de tamanhos.
Como pôde ser observado na imagem acima, a moldura é formada por três linhas horizontais paralelas, não
havendo linhas verticais fechando os lados da tabela. Você também pode optar por construir uma tabela
com linhas verticais separando cada uma das colunas e linhas, desde que a lateral permaneça aberta.
Quadros
Assim como as tabelas, os quadros são representações de informações, principalmente de dados
numéricos ou literais. Possuem as suas laterais fechadas por linhas verticais. Não utilize quadros ou tabelas
longos. Caso seja necessário mostrar um grande volume de informações, você pode distribuí-las em mais
de um quadro ou tabela, ou optar por colocar uma tabela ou um quadro mais longo em anexo ao seu TCC.
Musculatura
afetada
Manifestações Sintomas clínicos
Palpebral Blefaroespasmo Fechamento palpebral
Facial, laríngea,
mandíbula e de
língua
Crises bucolinguais
Movimento de deglutição ou mastigação
repetitivos, engasgos, assimetria facial, protrusão
da língua, trismo
Ocular extrínseca Crises oculógiras Desvio conjugado de olhar
Laríngea e faríngea Distomia laríngea Disfonia, estritor, disgagia
Cervical Torcicolo
Contratura cervical mantida ou espasmódica,
desvio lateral da cabeça
Paravertebral Opistótono Hiperextensão de tronco
Quadro - Manifestações clínicas da liberação extrapiramidal em função da musculatura afetada.
Gráficos
Os gráficos são ilustrações que permitem ao leitor verificar e comparar, visualmente, os resultados descritos
na seção Resultados do seu TCC. Para evitar que os gráficos se tornem confusos e visualmente poluídos,
foque em mostrar os dados referentes a duas ou três variáveis, no máximo. O gráfico mais adequado para
ilustrar o que você encontrou depende, essencialmente, do tipo de informação e da análise estatística
conduzida.
Vamos iniciar o nosso aprendizado com o entendimento dos eixos que compõem os principais gráficos. Em
seguida, abordaremos cada um dos tipos de gráficos que você pode utilizar no seu TCC, bem como a
análise de dados que costuma estar associada a cada um deles.
Ilustração da relação entre as variáveis preditora e resposta
Gráficos são diagramas matemáticos que representam a relação entre duas ou mais variáveis.
Na maioria dos TCC da área da Saúde, busca-se entender como determinada variável preditora influencia
uma variável resposta, ou seja, avalia-se a relação entre duas variáveis. Nessas circunstâncias, a variável
resposta é denotada por “y”; e a variável independente, por “x”.
Nos gráficos, “x” e “y” correspondem aos eixos horizontal e vertical, respectivamente. A variável preditora
(“x”) e a variável resposta (“y”), portanto, devem ser plotadas nos eixos que lhes são correspondentes.
Assim, ter conhecimento sobre quais são as variáveis preditora e respostas do seu estudo é fundamental
não só para conduzir adequadamente uma análise estatística, mas também para ilustrar o resultado.
Exemplo do posicionamento dos eixos que compõem a maioria dos gráficos.
Por mais que nas tabelas e nos quadros não haja eixos específicos para mostrar as informações, podemos
dizer também que as colunas iniciais dessas ilustrações devem conter as informações referentes às suas
variáveis preditoras. Retomando o exemplo da tabela, podemos observar que a primeira coluna é dedicada a
informar como as classes de tamanho de sementes (níveis da variável preditora “tamanho das sementes”)
influenciou as medidas de crescimento de uma espécie de planta.
Tamanho Comprimento Largura Espessura
Pequena 16,49 ± 0,74 12,11 ± 0,96 9,79 ± 0,67
Média 18,33 ± 0,36 13,25 ± 0,70 10,41 ± 0,40
Grande 19,52 ± 0,50 13,87 ± 0,87 10,68 ± 0,56
Tabela - Dimensões médias e o desvio padrão (após os sinais de ±) de sementes com diferentes classes de tamanhos.
Suas tabelas com informações das variáveis preditora e resposta devem sempre ser iniciadas pela variável
preditora, uma vez que é contraintuitivo mostrar, primeiramente, as informações da variável resposta.
Vamos retornar ao nosso exemplo. Você conseguiria entender sobre o que se trata a tabela acima caso os
autores a iniciassem com as informações de comprimento, largura, espessura e, depois, as classes de
tamanho das sementes? Certamente, só compreenderia a informação que os autores pretendiam passar
quando a sua leitura atingisse a última coluna. Com certeza, enquanto lesse, você se perguntaria:
Comprimento de quê? Largura e espessura de quê?
Atenção
Lembre-se sempre de que o papel das ilustrações é resumir, para o leitor de um trabalho científico, as
informações apresentadas de maneira simplificada e de fácil compreensão. Portanto, se a interpretação de
um gráfico ou tabela estiver confusa, significa que essa ilustração não está cumprindo o seu papel.
Gráficos
Abaixo, enumeramos alguns dos tipos de gráficos que podem ser utilizados na apresentação de resultados.
Gráfico de barra ou diagrama de Pareto
O gráfico de barras, ou diagrama de Pareto, deve ser usado para comparar dados, tais como: valores,
tempos ou frequências dos níveis exibidos por uma variável preditora categórica. Para interpretar um gráfico
de barras, é preciso considerar que, quanto maior o tamanho da barra, maior será o valor associado à
categoria que a exibe. Os gráficos de barras podem se apresentar de diferentes formas, mas o modo de
interpretá-los continua o mesmo.
Diferentes possibilidades visuais dos gráficos de barra.
No exemplo ao lado, retirado de um artigo científico de Nascimento et al. (2019), temos um gráfico de barras
demonstrando a diferença na frequência cardíaca de ratos, antes (no gráfico, chamado de veículo) e depois
(no gráfico, chamado de DL) de receberem uma injeção D-limoneno, principal componente do óleo essencial
de frutas cítricas.
Exemplo de gráfico de barras de um estudo na área de saúde para mostrar variação na frequência cardíaca dos ratos.
Nesse exemplo, a “altura” das barras demonstra a frequência cardíaca média dos ratos de cada um dos
grupos experimentais, enquanto a barra vertical acima delas aponta o desvio padrão. Podemos observar
ainda a presença de um asterisco (*) sobre a barra do desvio padrão do grupo DL. O asterisco é o símbolo
que indica a existência de uma diferença significativa, mostrada pela análise de dados, quando os autores
do artigo comparam a frequência cardíaca dos dois grupos experimentais. No caso, devemos afirmar que,
após receberem a injeção de D-limoneno, os ratos têm a frequência cardíaca significativamente reduzida.
Como vimos, os gráficos de barras podem ser utilizados quando há uma variável preditora categórica – no
caso do exemplo acima, o “estágio da aplicação da injeção”: antes (veículo) ou depois (DL). Sendo assim, as
análises estatísticas que podem ter os seus resultados mostrados com um gráfico de barras são o teste-t e
a ANOVA – as análises que comparamgrupos. No estudo de Nascimento et al. (2019), por exemplo, os
autores utilizaram o teste-t.
Gráfico circular ou gráfico de pizza
O gráfico de pizza, ou circular, recebe esse nome porque se assemelha a uma pizza fatiada. Esse gráfico
deve ser utilizado para demonstrar a proporção observada de níveis ou categorias de uma variável
categórica.
O gráfico circular se assemelha a uma pizza.
Para interpretar um gráfico de pizza, você deve estar ciente de que cada fatia representa a proporção
observada para cada variável categórica que está sendo retratada. Além disso, o tamanho das fatias é
diretamente proporcional à sua representatividade. Juntas, essas fatias representam 100% dos dados. Caso
você ache pertinente adicionar um gráfico desse tipo ao seu TCC, fique atento aos seguintes pontos:
Evite esse gráfico quando houver um número muito alto de categorias, de modo que as fatias não
possam ser claramente visualizadas.
Evite esse gráfico quando houver fatias com tamanho extremamente reduzido, ou seja, com uma
representatividade próxima a 0, pois, nesse caso, elas também não serão visualizadas claramente.
Utilize cores contrastantes e diferentes para representar cada fatia.
Exemplo de como não fazer um gráfico de pizza: as cores parecidas dificultam a identificação das fatias.
Algumas dicas para ter boas ilustrações em seu
TCC
A apresentação de boas ilustrações, como gráficos e esquemas, em um trabalho científico requer não só
dados de qualidade, mas também uma linguagem visual clara e atrativa. Neste vídeo, a especialista dará
algumas dicas para que você apresente melhores gráficos e esquemas em seu TCC. Vamos lá!

Exemplo de gráfico circular ou de pizza de um estudo na área de saúde.
No exemplo ao lado, a autora classificou os cães portadores de doença renal crônica envolvidos no estudo
de acordo com o nível de proteína na urina dos animais (proteinúria). Desse modo, “nível de proteína na
urina” é uma variável categórica com as seguintes classes: “não proteinúrico”, “proteinúrico borderline” e
“proteinúrico” — e, portanto, pode ser demonstrada em um gráfico de pizza.
Não necessariamente a variável categórica descrita no gráfico de pizza precisa se enquadrar como preditora
ou resposta. Como você deve ter notado, não há eixos “x” e “y”. O intuito desse tipo de gráfico é demonstrar
uma informação visualmente, não estando associado diretamente a um tipo de análise estatística. O gráfico
de pizza, por exemplo, pode ser utilizado, simplesmente, para descrever a saúde renal dos animais
acometidos por uma síndrome, sem necessariamente haver uma relação de causa e efeito.
Dica
Você pode utilizar um gráfico de pizza para demonstrar a proporção de dias chuvosos e ensolarados durante
o seu trabalho de campo, por exemplo.
Boxplot ou diagrama de caixa
Os gráficos boxplots ou diagrama de caixas fornecem um resumo visual dos dados, permitindo ao leitor
identificar rapidamente alguns valores importantes dos dados, como a mediana, os valores mínimo e
máximo e a sua dispersão. Antes de aprendermos mais sobre os boxplots, vamos conhecer alguns
conceitos estatísticos necessários para a interpretação da estrutura dessas ilustrações.
Mediana
É l édi d j t d d d A di di id j t d d d d
Forma e componentes de um boxplot.
A posição da mediana, representada pela linha transversal no interior do boxplot, indica se os dados
possuem uma distribuição normal ou não. Quando a mediana se situa no meio da caixa que compõe o
boxplot e as barras, que apostam os valores mínimos e máximos, têm aproximadamente o mesmo tamanho,
os dados representados têm distribuição normal. Caso a mediana não esteja situada no centro da caixa e as
barras apresentem tamanhos diferentes, os dados não possuem distribuição normal.
Com base nas características dos boxplots ilustrados ao lado, por exemplo, poderíamos dizer que o
conjunto de dados representado pelo boxplot da esquerda não possui distribuição normal, e o da direita,
sim.
É o valor médio de um conjunto de dados. A mediana divide um conjunto de dados em duas
partes iguais, sendo uma parte maior ou igual a este valor e a outra, menor.
Valor mínimo
É o valor mais baixo de um conjunto de dados.
Valor máximo
É o valor mais alto de um conjunto de dados.
Dispersão
Também chamada de variabilidade, é a extensão da distribuição dos dados.
As características dos boxplots indicam a distribuição dos dados por eles representados.
O tamanho da caixa que compõe cada boxplot representa o quão grande é a diferença entre os valores
presentes no conjunto de dados ilustrados. Em outras palavras, o tamanho da caixa indica a amplitude da
dispersão dos dados.
Para facilitar o seu entendimento, vamos pensar em dois conjuntos de dados. O primeiro conjunto apresenta
os valores 1, 2, 2, 3, 3 e 4, logo a diferença entre o maior e o menor valor (4 - 1) é de 3 unidades. Já o
segundo conjunto apresenta os valores 0, 1, 20, 30, 40 e 100, a diferença entre o maior e o menor valor,
portanto, é de 100 unidades (100 - 0). Concluímos que a dispersão do primeiro conjunto de dados é bem
menor que aquela do segundo, assim como também será o tamanho da caixa de seu boxplot.
Retomando a ilustração anterior, poderíamos inferir, por exemplo, que o boxplot da esquerda, com uma caixa
maior, representa o segundo conjunto de dados, que possui uma grande dispersão. Por outro lado, o boxplot
da direita, com uma caixa menor, representa o primeiro conjunto de dados, que possui uma pequena
dispersão. Os limites superior e inferior da barra vertical que corta cada boxplot indicam os valores mínimo e
máximo dentre o conjunto de dados ilustrado, respectivamente.
Saiba mais
Essencialmente, para interpretar um gráfico desse tipo, é preciso comparar as medianas entre cada boxplot
apresentado. Caso a linha da mediana de um boxplot fique fora da caixa de outro, que está sendo
comparado, é provável que exista uma diferença significativa entre os grupos comparados.
Para facilitar o seu entendimento, observe o gráfico abaixo, retirado de um estudo de Gaspar, Bezerra e Mota
(2020).
Exemplo de boxplot (direita) em estudo da clorofila em capim-citronela.
Nesse gráfico, os autores ilustraram os efeitos da forma como o capim-citronela é cultivado (A: na água
tratada; B: no esgoto tratado, com cloração; C: no esgoto tratado, sem cloração) no índice de clorofila
presente nas folhas dessa espécie. Ao prolongarmos a linha da mediana dos boxplots acima (em azul),
podemos verificar que a linha da mediana de nenhum boxplot alcança a caixa dos outros boxplots. Com
base nessa informação, podemos inferir que a forma com que o capim-citronela é cultivado afeta,
significativamente, o índice de clorofila nas suas folhas.
Mas de que forma podemos usar os gráficos de boxplots?
Os gráficos de boxplots são utilizados, na área da Saúde, para comparar níveis ou categorias de uma variável
preditora categórica. No caso do exemplo do capim-citronela, a variável preditora categórica é “a forma de
cultivo”, com as categorias “água tratada”, “esgoto tratado, com cloração”, “esgoto tratado, sem cloração”. Já
a variável resposta, afetada pela “forma de cultivo”, é o índice de clorofila nas folhas. Sendo assim, as
análises estatísticas que podem ter os seus resultados mostrados com um gráfico de boxplots são o teste-t
e a ANOVA – as análises que comparam grupos.
Histograma
Um histograma é um gráfico que permite sumarizar variáveis contínuas ou discretas, que foram
medidas/analisadas em determinados intervalos. Caso você tenha, por exemplo, realizado para o seu TCC
um estudo que leve em consideração a faixa etária das pessoas, poderia utilizar um histograma para ilustrar
os seus dados – afinal, estaria avaliando os intervalos de idades. Ao abordar a normalidade dos dados, os
histogramas ainda permitem descobrir e mostrar a distribuição da frequência de um conjunto de dados.
Apesar de, visualmente, os histogramas serem similares aos gráficos de barra, há algumas diferenças
importantes. Nográfico de barras, o eixo “x” apresenta os níveis de uma variável preditora categórica; e o
eixo “y”, os valores da variável resposta associados a cada um desses níveis. Já no histograma, o eixo “x”
apresenta os intervalos numéricos (chamados de classes) de uma variável numérica; e o eixo “y”, a
frequência com que as classes aparecem no conjunto de dados que está sendo ilustrado.
Exemplo de histograma de um estudo na área de saúde.
A interpretação dos histogramas é feita com base no tamanho das barras. As classes com frequências mais
baixas são aquelas com os menores tamanhos de barras. Já as classes com frequências mais altas
apresentam os maiores tamanhos de barras.
No exemplo ao lado, as classes seriam os intervalos de 5mg/dL da lipoproteína de alta densidade (HDL),
sendo representadas por cada uma das barras, e aquela de maior frequência seria a de 50-55mg/dL.
Comentário
Em relação à análise de dados, o histograma não está diretamente associado à apresentação gráfica dos
resultados de nenhuma das análises estatísticas mais utilizadas na área da Saúde. Esse tipo de gráfico é
imprescindível somente quando você pretende mostrar a normalidade (ou não) dos seus dados de maneira
visual.
Gráfico de dispersão
O gráfico de dispersão mostra a relação entre duas variáveis numéricas: a preditora e a resposta.
Cada um dos pontos presentes em um gráfico de dispersão representa uma observação, isto é, uma medida
realizada, e a sua respectiva posição em relação aos eixos “x” e “y”, o valor encontrado para cada uma das
variáveis representadas. Para interpretar um gráfico de dispersão, devemos procurar tendências nos dados
conforme observamos da esquerda para a direita.
Se os pontos presentes no gráfico mostrarem um padrão de subida, conforme você se move da esquerda
para a direita, isso indica uma relação positiva entre as variáveis representadas nos eixos “x” e “y”: conforme
os valores da variável no eixo “x” aumentam, os valores de “y” também tendem a aumentar. Essa relação
positiva é demonstrada no exemplo abaixo.
Exemplo de gráfico de dispersão em estudo de correlação envolvendo neurônios de ratos.
No entanto, se você verificar a tendência contrária, na qual os pontos presentes no gráfico mostram um
padrão de declive, conforme se move da esquerda para a direita, isso indica uma relação negativa entre as
variáveis representadas nos eixos “x” e “y”: conforme os valores da variável no eixo “x” aumentam, os valores
de “y” tendem a diminuir.
Exemplo de gráfico de dispersão em estudo de pacientes com tuberculose
Se os dados não se assemelham a nenhum tipo de padrão, mesmo que vago, é possível inferir que não
existe relação entre as variáveis representadas nos eixos “x” e “y”, como no gráfico de dispersão hipotético
abaixo. Ainda, o quão forte será a relação positiva ou negativa verificada dependerá da inclinação dos
pontos. Uma “nuvem” de pontos bem inclinada, como no exemplo do artigo de Muniz, Sant’ana e De Almeida
Araújo (2007), indica uma relação forte. Já uma “nuvem” de pontos pouco inclinada, como no exemplo de Da
Silva Junior et al. (2006), indica uma relação fraca.
Exemplo de como seria a ausência de padrão verificada a ausência de relação entre as duas variáveis representadas no gráfico de dispersão.
Gráfico de série temporal
Os gráficos de série temporal podem ser usados para visualizar tendências em contagens ou valores
numéricos, de uma ou mais variáveis, ao longo do tempo. O intervalo de tempo analisado pode ser contado
em minutos, horas, dias, meses, anos, décadas ou mesmo séculos – ou seja, qualquer unidade de tempo. A
visualização e a análise de séries temporais são cruciais para o entendimento dos dados que variem ao
longo do tempo. Assim, é possível verificar tendências para rastrear mudanças ao longo do tempo e gerar
previsões.
Em um gráfico de série temporal, o eixo “x” é usado para traçar uma linha temporal, enquanto o eixo “y”
aponta os valores da variável numérica que está sendo medida. Os gráficos de série temporal representam
uma série de medições obtidas ao longo do tempo. Esses gráficos são ferramentas ideais para que o leitor
do seu TCC possa identificar rapidamente uma tendência, detectar uma anomalia ou analisar como uma
métrica está mudando ao longo do tempo.
Para interpretar um gráfico de série temporal, o primeiro passo é verificar se há uma tendência geral nos
dados, de aumento ou diminuição ao longo do tempo. Em seguida, você deve verificar se há padrões cíclicos
ou sazonais: Existem padrões de aumentos ou decréscimos que se repetem a cada intervalo de tempo ou
estação do ano? Ainda, é importante que você se atente a possíveis “anomalias” nos dados, isto é, algum
comportamento atípico em algum dos anos estudados.
Por exemplo, no gráfico de série temporal de Fernandes et al. (2012), que apresentamos abaixo, podemos
verificar que, no estado de São Paulo, com o passar do tempo, houve uma tendência geral de redução do
número dos casos de dengue. No entanto, o ano de 2010 foi atípico e houve um aumento abrupto. O que
será que deve ter acontecido nesse ano? Enquanto pesquisador, você deve procurar informações e fatos que
justifiquem ou, pelo menos, apontem alguma razão por trás de um comportamento anômalo na sua série
temporal.
Exemplo de gráfico de série temporal em estudo de casos de dengue
Legendas das ilustrações
Quando figuras, quadros e tabelas forem adicionados aos resultados, cada um deles deve conter uma
legenda concisa e autoexplicativa, de modo que, mesmo que o leitor não tenha lido todo o seu TCC, consiga
entender sobre o que se trata. É importante ainda estar atento ao local onde a legenda das figuras e tabelas
será inserida.
De acordo com a ABNT, tabelas, quadros, figuras e gráficos devem ter as suas respectivas legendas situadas
na parte superior. Além disso, a legenda deve sempre ser iniciada pela palavra que designa a imagem,
seguida por um número arábico que representa a ordem em que aparece no trabalho, por um travessão e,
logo após, pelo texto propriamente dito, conforme exemplificado abaixo:
Exemplo de legenda em ilustração.
Para tabelas e quadros, a localização da legenda se torna um pouco mais intuitiva, uma vez que são lidos
sempre de cima para baixo. Todas as abreviações presentes na sua ilustração devem ter os seus
significados explicitados nas suas respectivas legendas.
Exemplo de uma tabela e sua respectiva legenda de acordo com as normas da ABNT.
Vem que eu te explico!
Os vídeos a seguir abordam os assuntos mais relevantes do conteúdo que você acabou de estudar.

Módulo 2 - Vem que eu te explico!
O papel das ilustrações no seu TCC
Módulo 2 - Vem que eu te explico!
Tipos de grá�cos
Módulo 2 - Vem que eu te explico!
Legendas das ilustrações
Todos
Módulo 1 - Video
Você sabe o que são correlações espúrias?
Módulo 2 - Video
Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
 Todos Módulo 1 Módulo 2 
Questão 1
Utilizando-se somente os critérios de interpretação dos gráficos de boxplots, assinale a afirmativa correta
sobre o gráfico hipotético a seguir:
A Grupo 2 é diferente do Grupo 1 e do Grupo 3.
B Não há diferença entre os grupos.
C
Grupo 1 é diferente do Grupo 2 e do Grupo 3, mas o Grupo 2 e o Grupo 3 não são
diferentes entre si.
D
Grupo 3 é diferente do Grupo 1 e do Grupo 2, mas o Grupo 1 e o Grupo 2 não são
diferentes entre si.
E Grupo 3 é diferente do Grupo 2, mas não é diferente do grupo 1.
Parabéns! A alternativa C está correta.
Para interpretar um gráfico de boxplots, é preciso comparar as medianas (linhas transversais no
interior da caixa) entre cada boxplot apresentado. Caso a linha da mediana de um boxplot fique
fora da caixa do outro boxplot, que está sendo comparado, é provável que exista uma diferença
significativa entre os grupos comparados. No gráfico apresentado na questão, a linha da mediana
do Grupo 1 está fora dos limites das caixas dos boxplots dos Grupos 2 e 3. Portanto, o Grupo 1 é
diferente doGrupo 2 e do Grupo 3. Ainda, verificamos que a linha da mediana do Grupos 2 está
dentro dos limites da caixa do boxplot do Grupo 3 e vice-versa. Portanto, não há diferença entre o
Grupo 2 e o Grupo 3. A opção que contempla as conclusões acima é a Letra C.
Questão 2
Utilizando-se somente os critérios de interpretação dos gráficos de dispersão, é possível afirmar sobre o
gráfico hipotético, a seguir, que:
A não há relação entre as variáveis representadas.
B há uma relação positiva fraca entre as variáveis.
C há uma relação negativa fraca entre as variáveis.
Considerações finais
Neste conteúdo, aprendemos que as descobertas de seu estudo com base nas informações coletadas e nas
metodologias aplicadas são relatadas na seção Resultados do seu TCC. A ordem de apresentação dos
resultados deve estar de acordo com o que foi escrito nos Métodos. A seção Resultados deve ser escrita no
tempo passado por ser algo já feito, e sua estrutura pode ser escrita de duas maneiras: com ou sem a
discussão dos resultados. Caso você opte pela segunda, pode simplesmente apresentar o que foi
encontrado, sem viés ou interpretação. A utilização de ilustrações é fundamental para comunicar
adequadamente seus resultados, mas esteja atento para utilizar o tipo de ilustração apropriado para
representar os seus dados e interpretá-los.
D há uma relação positiva forte entre as variáveis.
E há uma relação negativa forte entre as variáveis.
Parabéns! A alternativa D está correta.
A relação positiva entre as variáveis representadas em um gráfico de dispersão pode ser
verificada a partir de um padrão de subida, conforme você se move da esquerda para a direita,
enquanto a relação negativa é verificada a partir de um padrão de declive. A ausência de relação
entre as variáveis é verificada quando os pontos do gráfico não apresentam nenhum tipo de
padrão. Por outro lado, a força da relação entre as variáveis é verificada a partir da inclinação dos
pontos ilustrados: quanto maior a inclinação, maior é a força. Considerando que os pontos do
gráfico apresentado se mostram em um padrão de subida inclinada (verificada pela posição da
reta na imagem), podemos afirmar que a opção correta é a Letra D.


Podcast
Para encerrar, a especialista falará sobre como os estudantes da área de saúde podem lidar e abordar um
resultado não significativo em seus TCC. Vamos ouvir!
Referências
BASSOLI, T. et al. Metoclopramida e seus efeitos extrapiramidais em crianças. Brazilian Journal of
Development, v. 6, n. 10, p. 77339-77345, 2020.
CONTIN, C. M. Eletroforese das proteínas séricas e urinárias de cães com erliquiose na fase aguda.
Dissertação (Mestrado em Medicina Veterinária). Universidade Estadual Paulista, Faculdade de Ciências
Agrárias e Veterinárias, 2015.
DA SILVA JUNIOR, C. T. et al. Influência da idade sobre a atividade da adenosina desaminase na tuberculose
pleural. Pulmão, v. 15, n. 2, p. 75-80, 2006.
FERNANDES, M. A. B.; NATAL, D.; DE FÁTIMA DOMINGOS, M. Aspectos epidemiológicos da transmissão de
dengue em Santos, São Paulo, no período de 1997 a 2012. Journal of Health & Biological Sciences, v. 2, n. 1,
p. 5-12, 2014.
FIGUEIREDO, T. C. de; MOURA, R. B. de. Prática de pesquisa e trabalho de conclusão na área de saúde. Rio
de Janeiro: SESES, 2019.
FLOR, C. J. D. R. V.; GUERREIRO, C. F.; DOS ANJOS, J. L. M. Desenvolvimento neuropsicomotor em crianças
com microcefalia associado ao Zika Vírus. Revista Pesquisa em Fisioterapia, v. 7, n. 3, p. 313-318, 2017.
FRANÇA-SANTOS, A. et al. Estudos bioquímicos da enzima bromelina do Ananas comosus (abacaxi).
Scientia Plena, v. 5, n. 11, 2009.
GASPAR, G. V.; BEZERRA, F. M. L.; MOTA, F. S. B. Desenvolvimento de citronela (cymbopogon winterianus)
irrigada com esgoto doméstico tratado e com água de abastecimento. Brazilian Journal of Environmental
Sciences (on-line), v. 55, n. 1, p. 145-157, 2020.
MUNIZ, E.; SANT’ANA, D. de M. G; DE ALMEIDA ARAÚJO, E. J. Análise morfométrica e quantitativa dos
neurônios do plexo mientérico do ceco de ratos submetidos a intensa carência de proteína. Arquivos de
Ciências Veterinárias e Zoologia da UNIPAR, v. 10, n. 2, 2007.
NASCIMENTO, G. A. do et al. Efeitos bradicardicos e antiarritmicos do D-Limoneno em ratos. Arquivos
Brasileiros de Cardiologia, v. 113, p. 925-932, 2019.
NORMANDO, D.; TJÄDERHANE, L.; QUINTÃO, C. C. A. A escolha do teste estatístico-um tutorial em forma de
apresentação em PowerPoint. Dental Press Journal of Orthodontics, v. 15, n. 1, p. 101-106, 2010.
QUERIOZ, T. A. F.; DIAS, D. P. Efeito do tamanho das sementes sobre a emergência e morfofisiologia de
mudas de mama cadela. Nativa, v. 9, n. 3, p. 260-265, 2021.
RIZZATTI, M. et al. Avaliação geográfica para risco de COVID-19 em população a partir de 50 anos na área
urbana de Santa Maria, RS, Brasil. Geografia Ensino & Pesquisa, v. 24, p. 1-33, 2020.
SOUSA, B. M. et al. Répteis em fragmentos de Cerrado e Mata Atlântica no Campo das Vertentes, estado de
Minas Gerais, Sudeste do Brasil. Biota Neotropica, v. 10, p. 129-138, 2010.
ZANUSSO-JUNIOR, G. et al. Avaliação da atividade anti-inflamatória do coentro (Coriandrum sativum L.) em
roedores. Revista Brasileira de plantas medicinais, v. 13, p. 17-23, 2011.
Explore +
Para saber mais sobre os assuntos aqui tratados:
Leia o livro Estatística para Leigos, da autora Deborah J. Rumsey, que pode ser muito útil caso tenha
interesse em se dedicar mais ao estudo sobre análises estatísticas.
Utilize a ferramenta on-line de seleção de paleta de cores do Adobe Color, pois escolher as cores mais
atraentes para as suas ilustrações pode parecer simples, mas tem alguns segredos. Um deles é a utilização
de cores harmoniosas. Depois que decidir quais cores pretende usar, é só buscá-las no programa em que
você está fazendo os seus gráficos!
 Baixar conteúdo
javascript:CriaPDF()